پرش به محتوای اصلی

موضوع

استدلال

Chain-of-thought, reasoning models (o-series, R-series), test-time compute

۲٬۰۴۹ مقاله منتشر شده

آموزش کاربردی

راهنمایی‌های پویا در برابر قوانین سخت‌گیرانه در استراتژی جدید Claude 5

آنتروپیک با معرفی دستورالعمل‌های جدید برای Claude 5، مهندسی پرامپت را از قوانین سخت‌گیرانه به سمت راهنمایی‌های مبتنی بر قضاوت تغییر داد. این چارچوب جدید بر افشای تدریجی داده‌ها و…

۵ دقیقه خواندن

مدل‌های زبانی توانایی یادگیری استراتژیکِ دروغ‌گویی را ندارند

پژوهش جدید دیوید آفریقا و جیکوب پفائو نشان می‌دهد که مدل‌های زبانی فاقد سازوکار منسجم برای «ناصادق بودن» هستند. حتی با آموزش هدفمند برای دروغ گفتن، مدل‌ها تنها عادت‌های محدود کسب…

۵ دقیقه خواندن۱
آموزش کاربردی

تورم پرامپت؛ دلیل واقعی کندی عامل‌های مرورگر نه محدودیت مدل‌هاست

کندی عملکرد عامل‌های مرورگر معمولاً ناشی از محدودیت‌های مدل‌هایی مثل GPT-5 نیست، بلکه نتیجهٔ «تورم پرامپت» است. ارسال داده‌های تکراری و اسکرین‌شات‌های حجیم، پنجرهٔ زمینه را اشغال…

۸ دقیقه خواندن

آیا توانایی LLMها در حل مسائل ریاضی، معنای جست‌وجوی حقیقت را می‌کشد؟

یک ریاضی‌دان هشدار می‌دهد که توانایی مدل‌های زبانی در حل حدس‌های دیرینه، تجربه «مقدس» کشف انسانی را از بین می‌برد. این رویکرد ادعا می‌کند که AI اگرچه اثبات‌های ظریفی تولید می‌کند،…

۶ دقیقه خواندن۳
آموزش کاربردی

تلهٔ توافق در بنچمارک‌ها؛ چرا مدل‌های کدنویس لایه‌های پنهان خطا را نمی‌بینند؟

ارزیابی فنی سه دستیار کدنویسی هوش مصنوعی نشان می‌دهد که چک‌لیست‌های سنتی، «توافق با انسان» را با «دقت فنی» اشتباه می‌گیرند. با معرفی بازبینی مستقل برای یافته‌های پیش‌بینی‌نشده،…

۳ دقیقه خواندن۲

موازنهٔ هزینه و دقت؛ معیار جدید ARC Prize برای سنجش هوش واقعی

جدول امتیازات ARC Prize چارچوبی جدید برای اندازه‌گیری هوش مصنوعی معرفی کرد که عملکرد حل مسئله را در برابر هزینه محاسباتی می‌سنجد. این داده‌ها تفاوت میان استنتاج ساده مدل‌های زبانی…

۲ دقیقه خواندن

معماری Jockey: جایگزینی لایهٔ حافظهٔ مکانی-زمانی با رویکرد تکه‌تکه‌سازی فریم‌ها

شرکت TwelveLabs با معرفی زیرساخت Jockey، رویکرد سنتی «مجموعه‌ای از فریم‌ها» را در تحلیل ویدیو به چالش می‌کشد. این سیستم با ایجاد یک لایه حافظه اختصاصی، ویدیو را به‌جای تصاویر…

۵ دقیقه خواندن۲

چگونه دسترسی به APIهای OpenAI سرعت زیست‌شناسی را دوبرابر می‌کند؟

شرکت OpenAI با اختصاص ۱۰ میلیون دلار دسترسی به API، مدل‌های پیشرو خود را در سامانه «مأموریت جنسیس» وزارت انرژی آمریکا ادغام می‌کند. این همکاری با هدف دوبرابر کردن سرعت اکتشافات…

۴ دقیقه خواندن

شکست ۱۰۰ درصدی مدل‌های پیشرو در مأموریت‌های نظارتی Drone-Bench

محک جدید Drone-Bench نشان می‌دهد مدل‌های هوش مصنوعی پیشرو در حال حاضر قادر به اجرای زنجیره‌ای از وظایف برای نظارت خودمختار نیستند. اگرچه این مدل‌ها در تک‌وظیفه‌ها موفق‌اند، اما در…

۸ دقیقه خواندن